用于摄像机标定的三维特征点集构建方法

提出了一种由二维共面靶标自由移动来构建三维特征点集的方法 ,该方法不需要严格限制标定靶标的移动 ,因此可以保证摄像机在固定之后进行现场标定 ,使摄像机的标定状态和工作状态完全一致 ,降低了标定设备的成本 ,简化了标定过程 ,提高了标定效率。试验结果表明 。

基于改进离散曲线演化模型的牙齿三维特征点提取方法研究

在牙种植技术中,牙齿特征点的有效提取对后续的三维配准和重建具有重要的意义,现有方法的计算效率比较低;论文改进了离散曲线演化算法,采用曲线特征因子量描述牙齿CT各断层图像边缘曲线的复杂性,并根据曲线特征因子量自适应确定不同层间图像边缘曲线特征点提取的数目,以降低数据存储的冗余量,提高特征点的提取效率;用改进的离散曲线演化算法对牙齿不同层的临床CT图像提取特征点,并将实验结果与现有离散曲线演化算法的结果进行比较。结果表明,改进方法在提取每层CT图像特征点所需时间约为原算法的50%,同时提取的特征点数约为原算法的80%。将改进方法提取的特征点按不同比率进行三次样条曲线插值并进行后期重建,其重建效果能很好地反映牙齿的真实结构。因此,改进方法的计算效率远高于离散曲线演化算法,在牙齿种植领域中具有临床应用前景。

基于自动提取特征点的三维人脸表情识别

为实现完全自动的人脸表情识别,提出一种基于自动提取三维及二维特征点的三维人脸表情识别算法.该算法采用在三维点云、深度图像以及三维点云对应的二维特征图像上分别自动获得特定特征点,并将非点云上获得的特征点映射回三维点云以获得全部需用特征点的方法.基于这些自动获取的特征点得到三维欧氏距离组成25维特征向量以待分类.通过运用支持向量机作为分类器,取得了平均87.1%的6种基本表情的分类结果,其中惊讶、开心表情的分类结果分别达到了92.3%和91.7%.

三维可变形物体的特征点层次提取

针对不同姿态下的三维可变形物体特征点一致性问题,提出了一种基于样例学习的特征点层次提取方法。该方法首先提取出三维模型的外部特征点;其次,根据外部特征点在不同姿态下所具有的局部特征相似性,采用热核信号和支持向量机识别出外部特征点的语义标签;最后,根据语义标签和测地距离,层次地提取出三维模型的其它语义特征点。实验结果表明,该方法能很好地得到三维可变形物体的各种语义上的有效特征点。

基于融合约束局部模型的三维人脸特征点定位

提出基于特征融合约束局部模型的三维人脸特征点定位算法.该算法对每个特征点分别使用三维网格的深度信息和网格局部形状信息训练分类器,对分类器的响应进行融合.使用基于融合响应的正则化特征点均值漂移算法进行模型拟合,实现特征点定位.三维人脸特征点定位经常需要对每个特征点的候选点集进行遍历产生候选点组合,该算法使用模型拟合代替穷举搜索,避免了嵌套循环带来的快速增长的时间开销.使用FRGC v2.0和Bosphorus数据库,对算法进行实验评估. FRGC v2.0库上的特征点平均误差为2.48～4.12 mm,总体检测成功率为97.3%,其中中性、温和及极端表情下的检测成功率分别为97.6%、97.4%和95.5%. Bosphorus库上3种姿态下的检测成功率分别是94%、95%和89%.实验结果表明,提出方法具有较好的效果,对表情和小幅度的姿态变化具有较好的鲁棒性.

基于局部邻域像素的快速时空特征点检测方法

针对时空特征点检测算法计算效率较低和特征点冗余度较大的问题,提出一种基于邻域像素的快速时空特征点检测方法.通过寻找三维时空中局部邻域内像素值差异较大的点以快速定位时空特征点,然后采用非极大值抑制的方法剔除其中的冗余点,将筛选后的时空特征点用于人体行为识别.此外,还根据二项分布原理研究特征点检测中邻域像素分割阈值的取值范围及其它检测参数优化问题.实验结果表明该算法具有较高的检测速度,既能稳定提取足够数量的特征点又能降低其冗余度,在行为识别中也保持较高的准确率.

基于无人机遥感影像及其点云特征的建筑物震害提取

以北川老县城地震遗址为研究对象,通过使用点云CSF滤波算法得到研究区建筑物高度特征nDSM数据,并通过点云格网化处理以及坡度值计算得到建筑物坡度特征,再结合研究区DOM数据进行建筑物震害提取,实验结果表明该方法能够较好地提升建筑物震害的提取精度。

三维数字地形图及其地形、地物表达方式探讨

本文在深入研究三维数字地形图概念的基础上,对其地形和地物表达进行了初步地研究。三维数字地形图是基于抽象符号的三维空间数据显示和可视化表达技术,是用离散的三维特征点及特征线,表达地形或地貌以及地物空间立体形态的矢量地图。它以立体造型技术向用户展现地理空间,能够表达空间对象间的平面关系,也能描述和表达地面的高程和地物的高度,对客观世界的表达更完整准确,用户可以在上面进行三维空间量测和分析。研究三维数字地图将有力地推动虚拟现实或临境技术和三维GIS的发展。

CT体数据中心环绕特征检测算法及其CUDA加速

针对CT体数据的多尺度特征点检测计算量大、耗时长的问题,提出一种三维中心环绕特征快速检测算法。设计三维中心环绕特征检测子,结合三维积分图像快速生成图像的尺度空间,同时利用三维Harris边缘判定准则去除边缘点,增强特征点的稳定性。实验结果表明,相比于经典的三维Do G和SURF检测子,算法计算时间显著降低(检测时间约为三维Do G检测子的1/8,三维SURF检测子的1/2),同时相比于三维SURF检测子,特征点检测重复率也有一定程度的提高。最后,对三维中心环绕特征检测算法进行并行性分析,并分别从尺度空间生成和特征点搜索及边缘抑制两部分进行CUDA并行加速。实验结果表明,经CUDA加速后,算法能得到10倍左右的加速比,特征点检测过程耗时基本达到实际应用需求。

一种改进的三维局部约束模型初始化方法

三维局部约束模型(3D Constrained Local Model,CLM-Z)算法,综合利用灰度和深度信息检测三维人脸数据中的特征点(如眼角、鼻尖和嘴角),实现了较高的检测精度。CLM-Z方法一般使用人脸位置和平均三维人脸模型进行初始化。设计了四个实验定量地分析CLM-Z参数初始化对算法精度的影响:在BU-4DFE库上评估CLM-Z算法精度;通过平移人脸边界框扰动平移参数的初始值;通过缩放人脸边界框扰动尺度参数的初始值;通过给定绕y轴和z轴的旋转角扰动旋转参数的初始值。实验结果表明,CLM-Z算法可容忍平移扰动约为人脸宽的1/6,在(0.75,1.50)缩放范围内算法精度不会下降,可容忍y轴和z轴旋转角约20°。基于以上评估结果,进一步提出在纹理图像上检测特征点作为初始化,然后再进行CLM-Z迭代。在BU-4DFE数据库上的评估结果证明,该初始化方法能有效提升CLM-Z方法的特征点定位精度。

基于模板的人脸点云补洞方法

为得到完整的三维人脸点云数据,首先提出一种在点云生成过程中自动提取三维人脸特征点的方法,然后根据三维特征点对人脸点云模型进行剖分变形。还对非刚体最近点迭代算法进行改进,加入以对应点拓扑结构为依据的剔除错误点对应点机制和优化的迭代策略,实现更快更好的配准,继而完成点云的补洞。试验结果表明,该方法对人脸点云孔洞填补效果较好,特别是在人眼、鼻子等复杂部位,补洞真实,优势明显。

摄像机镜头畸变的研究

分析了摄像机成像模型和镜头非线性畸变模型,通过实验的方法求得了镜头的径向畸变系数,并首次根据图像复原原理将镜头的畸变系数引入边缘的亚像素定位算法中,最后通过对图像测量系统进行了标定,用实验的方法定量地比较了镜头径向畸变对测量精度的影响。同时,在标定的过程中通过"二次标定"的方法消除了"单次标定"所引入的系统误差,提高了测量精度。实验证明,通过对镜头的畸变进行校正来提高亚像素边缘定位精度的方法是有效的、显著的。

基于SoftPOSIT算法的单目视觉非合作目标相对位姿估计

针对模型尺寸已知的非合作目标,在目标三维特征点和图像二维特征点坐标已知但匹配关系未知的条件下,对基于SoftPOSIT算法的非合作目标航天器间相对位姿估计方法进行了研究。SoftPOSIT算法将解决匹配的Softassign和解决位姿的POSIT两种迭代方法融入一个迭代循环,建立全局目标函数,最小化目标函数就可在获得服务航天器与目标航天器相对位姿的同时确定三维点与二维点间的匹配关系。仿真结果表明由SoftPOSIT算法所得位态精度很高,算法正确有效。在不同条件下用该算法对某卫星位姿进行估计,发现算法的相对位置估计精度随目标与服务航天器相对距离增大而提高,而相对姿态角对估计精度的影响较小。

多站激光点云数据全自动高精度拼接方法研究

针对目前多站点云数据拼接存在的效率低和自动化程度低等问题,提出了基于地面激光点云强度信息的2D-3D点云数据高精度全自动拼接方法。首先,将强度信息通过三次样条插值算法生成二维影像,采用基于图形处理器(GPU)的加速尺度不变特征变换(SIFT)算子匹配得到二维同名特征点,剔除粗差;然后,反算得到特征点在三维点云中的坐标,并通过三维空间法向量对三维同名特征点进行精炼。利用精炼的三维特征点进行多站点云数据拼接,可提高多站点云海量数据拼接的精度和效率。